torch.nn.resnet18

torch.nn.resnet18 是 PyTorch 中的一个预定义模型，它是基于残差网络（ResNet）的一个18层的深度卷积神经网络。ResNet 是由微软研究院提出的一种深层网络结构，通过引入残差连接解决了深层网络中的梯度消失和梯度爆炸问题，使得训练更加容易和稳定。

ResNet-18 具有以下特点：
- 输入大小为 224x224 的 RGB 图像
- 第一个卷积层使用 7x7 的卷积核，步长为 2
- 后续有四个阶段（layer），每个阶段包含若干个残差块（residual block）
- 每个残差块内部包含两个卷积层，使用 3x3 的卷积核
- 每个残差块的输入和输出通道数相同
- 使用全局平均池化对输出特征图进行降维
- 最后使用全连接层将特征映射到分类数目上

ResNet-18 在 ImageNet 数据集上预训练，并且可以应用于多种计算机视觉任务，如图像分类、目标检测和语义分割等。